Tech • IA • Crypto
Claude Co-Work, MCP et ByBench : l’ère des agents autonomes
Briefing
Claude Co-Work devient opérateur
Anthropic introduit Claude Co-Work, transformant l’IA en agent capable d’exécuter des tâches complètes. Le système planifie, propose et agit sur des workflows entiers plutôt que de répondre étape par étape. Il s’intègre à Google Drive, Notion, Slack et Chrome pour unifier les environnements. L’utilisateur conserve un contrôle via des permissions explicites avant chaque action sensible.
MCP standardise les agents connectés
Le Model Context Protocol (MCP) s’impose comme un standard pour connecter les IA aux outils et données externes. Il permet aux agents d’exécuter des actions et d’accéder à des sources structurées en temps réel. Des intégrations avec des services comme Linear ou des bases de données enrichissent fortement le contexte. Cette approche accélère la transition vers une IA réellement opérationnelle.
Anthropic introduit Memory et Dreaming
Anthropic positionne la mémoire comme un pilier fondamental des agents IA. Le système permet de stocker stratégies, erreurs et critères de հաջող pour un apprentissage continu. Le mécanisme Dreaming améliore les performances en consolidant l’expérience accumulée. La mémoire repose sur un modèle de système de fichiers hiérarchique manipulable par l’agent.
Asana lance des agents collaboratifs
Asana déploie des agents IA capables de gérer des workflows d’entreprise complexes. Ces agents partagent une mémoire organisationnelle et participent à des գործընթաց multi-étapes. Ils conservent l’historique des નિર્ણયો, améliorant leurs performances dans le temps. L’objectif est de créer une entreprise où humains et agents collaborent comme des coéquipiers.
Google Cloud automatise le dev complet
Google Cloud démontre un cycle de développement entièrement automatisé par agents IA. Basé sur des modèles comme Claude, le système couvre produit, design, code, sécurité et déploiement. Un mode plan structure l’architecture avant génération de code. L’intégration avec des outils comme Figma et des API cloud accélère fortement la mise en production.
Replit lance ByBench pour vibe coding
Replit introduit ByBench, un benchmark open source pour évaluer les agents de « vibe coding ». Il s’appuie sur environ 20 PRD réels pour tester la création d’applications complètes. Le système combine tests automatisés et données utilisateurs réelles. Cette approche remplace les benchmarks statiques par une évaluation continue en production.
Claude Opus 4.7 boosté à l’inférence
Anthropic met en avant le rôle du compute à l’inférence dans les performances IA. Avec Claude Opus 4.7, augmenter l’effort multiplie jusqu’à 10× les ressources utilisées. Les résultats montrent des gains significatifs en réalisme et en raisonnement complexe. Ce modèle introduit un compromis direct entre coût, latence et qualité.
Le dev bascule après le code
L’IA déplace les goulets d’étranglement du développement vers la revue, sécurité et coordination. Les processus traditionnels deviennent obsolètes face à la vitesse de génération. Les équipes adoptent des cycles plus courts et une planification juste-à-temps. L’enjeu se déplace vers l’orchestration des agents et des systèmes plutôt que le code lui-même.
Vidéos couvertes
Getting Started with Claude Cowork
- •L’IA passe d’assistant à opérateur
- •Intégration profonde entre environnements
- •Accès et permissions contrôlés
Building with Claude Managed Agents and Asana AI teammates
- •Vers l’entreprise « agentique »
- •Limites actuelles des agents en entreprise
- •Une mémoire d’entreprise partagée
Running an AI-native engineering org
- •Les goulets d’étranglement dépassent le codage
- •Les processus traditionnels « cessent discrètement de fonctionner »
- •La planification devient juste-à-temps
The thinking lever
- •Le compute à l’inférence devient une méthode clé de mise à l’échelle
- •Des gains de performance démontrés avec la montée en effort
- •Trois types de tokens pilotent le comportement de l’IA
Building with Claude on Google Cloud
- •Développement assisté par IA de bout en bout
- •Prototypage rapide à partir d’entrées simples
- •Planification structurée avant le code
Evaluating and improving Replit Agent at scale
- •Passage d’une évaluation statique à continue
- •Exigences spécifiques du « vibe coding »
- •Introduction de ByBench
Giving coding agents their own computers: How Cursor built cloud agents
- •Le goulot d’étranglement passe des modèles à l’infrastructure
- •Évolution en trois phases des systèmes d’agents
- •Onboarding des agents comme des développeurs humains
Memory and dreaming for self-learning agents
- •Memory as a Core AI Primitive
- •From Static Context to Self-Learning Agents
- •File-System-Based Memory Design
The expanding toolkit
- •Passage des modèles aux « boîtes à outils »
- •Fin du routage manuel des outils
- •Une meilleure conception des outils améliore les performances
MCP in Claude Code
- •Ce que fait le MCP
- •Transition vers une IA pilotée par des outils
- •Large éventail d’intégrations